Pandas 一个字符串的平均值

我有一个示例DF：

df = pd.DataFrame(np.random.randint(1,10,size=(6,3)),columns = list("ABC"))
df["A"] = ["1111","2222","1111","1111","2222","1111"]
df["B"] = ["20010101","20010101","20010101","20010101","20010201","20010201"]
df

作品:

我试图找到B列的平均值，A列的grouby：

例如：

考虑A列中的值“1111”：总交易：4，唯一交易：2（2001010120010201）。所以平均值是4/2=2

片段：

df.groupby("A",as_index=False).agg({"B":'mean'})

错误：

DataError: No numeric types to aggregate

---

找到这个的任何方法都意味着直接而不是进行分组和迭代

我不认为你想要的是“中庸”。试试这个：

df.groupby('A')['B'].apply(lambda x: x.count() / x.nunique())

A
1111    2.0
2222    1.0
Name: B, dtype: float64

或者，如果您不想使用apply，那么

grp = df.groupby('A')['B']
grp.count() / grp.nunique()

A
1111    2.0
2222    1.0
Name: B, dtype: float64

这是上面的一个单行程序，这个程序使用了

agg

和许多减速机：

df.groupby('A')['B'].agg(['count','nunique']).eval('count / nunique')

A
1111    2.0
2222    1.0
dtype: float64

df.groupby('A')['B'].agg(['count','nunique']).eval('count / nunique')

A
1111    2.0
2222    1.0
dtype: float64